CN105095851B - 一种钢卷位置识别方法 - Google Patents

Abstract

本发明属于货运火车的货物图像检测领域，具体是一种钢卷位置的识别方法，主要包括如下步骤：步骤一，获得的火车车厢的俯视图，并将其转化为灰度图片；步骤二，判断图片是否有强光干扰；步骤三，车厢壁位置识别；步骤四，判定干扰图片；步骤五，去除图片中的杂点；步骤六，钢卷位置识别。本发明采用图像识别技术，通过对摄像头拍摄到的火车车厢的俯视图片进行图像识别，可以快速地识别出火车车厢中的钢卷，识别速度较快，准确度高，减少了货运火车运输钢卷过程中检查钢卷位置时的时间和人力消耗。

Description

一种钢卷位置识别方法

技术领域

本发明属于货运火车的货物图像检测领域，具体是一种钢卷位置的识别方法。

背景技术

火车运输钢卷的时候，车厢内钢卷的位置应该保证在车厢的中央位置，如果钢卷在火车行驶过程中偏移到了车厢的边上，可能会对钢卷造成损害。因此，在运输钢卷的途中，检测钢卷的位置是一个很重要的过程。

随着我国铁路建设的高速发展，货运站车辆进出的不断增加，火车进出时间短，单靠人工检测货物难度和工作强度大，同时也会滋生各种安全隐患，因此保证铁路运输安全，降低货检值班人员的工作强度的重要性就逐渐凸显出来。

目前火车货物的检测主要通过安装在站台上的高清摄像头拍摄每个火车车厢的左侧、右侧和顶部的照片，将照片传送到火车货物检测处，通过人工对每张照片观察，判断照片中车厢货物是否存在异常。这种检测方法所需时间长，消耗人力大。

当今信息化快速发展，模式识别技术不断发展，通过对拍摄的照片进行图像处理，检测车厢货物异常的方法理应替代耗时耗力的人工判断异常的方法。

发明内容

本发明的目的在于克服上述不足，提供一种钢卷位置的识别方法，减少了货运火车运输钢卷过程中检查钢卷位置时的时间和人力消耗。

为实现上述技术目的，本发明提供的方案是：一种钢卷位置的识别方法，包括如下步骤。

步骤一，获得的火车车厢的俯视图，并将其转化为灰度图片。

步骤二，判断图片是否有强光干扰，将步骤一转化得到的灰度图片在竖直方向上平均分为、、三部分，在和两部分按照横、纵坐标每十个点取一个点的频率采样得到、两部分点的个数为和，接着分别求和、部分采样点的总灰度为和，然后计算和两部分总的平均灰度值；在部分也按照横、纵坐标每十个点取一个点的频率采样计算平均灰度值，再求平均灰度值与、部分平均灰度值的比值，若该比值大于1.35，则判断此图片中心部分有强光干扰。

步骤三，车厢壁位置识别，用步骤二得到的和两部分总的平均灰度值和部分的平均灰度值计算图片的平均灰度值，按照计算得到二值化阈值：若无强光干扰，；若为有强光干扰，，以此二值化阈值对图片二值化，遍历得到的二值图片，计算二值图片中每列的白点个数，判定白点最多的点的列为车厢壁的位置。

步骤四，判定干扰图片，设图片中心部分形状接近矩形的大块白点区域，其宽度设为，且＞500，其长度设为，且＞1300，计算二值图片白点个数大于的列的连续的列数，若，则判定次图片是干扰图片，即图片中没有钢卷，在计算时，排除图片中和两部分各300点，防止图片二值化后上下车厢壁的白点造成的干扰。

步骤五，去除图片中的杂点，设杂点所在的区域的轮廓周长设为，且＜200，用Suzuki85算法取图片的轮廓，然后取轮廓长度小于200的轮廓的外接矩形，矩形内的点即为杂点，将杂点清除。

步骤六，钢卷位置识别，先判断图片中是否有圆环形钢卷，若有，则输出钢卷位置；若没有，再判断图片中是否有矩形钢卷，若有，输出钢卷位置；若没有，则判定图片中没有钢卷。

而且，所述步骤六中的圆环形钢卷识别方法为，通过霍尔圆变换，取出图片中的圆，设霍尔圆变换得到的圆的圆心为，半径为，霍尔圆变换产生的圆满足如下任一条件即为有效圆：

a)在二值图像中，计算距离长度为的白点的个数为，半径为的圆的周长为，若 ，则为有效圆；

b)在二值图像中，计算距离长度为的白点的个数为，半径为的圆的周长为，若 ，则为有效圆；

c)在二值图像中，计算距离长度为的白点的个数为，半径为的圆的周长为，若 ，则为有效圆；

其中，。

而且，所述步骤六中的矩形钢卷识别方法为，在二值化图像中，计算白点个数最多的一列的白点数，设为，每个矩形钢卷的高度设为L，

a)若，则图片中没有钢卷；

b)若且，则；

c)若，则；

然后在二值图像上从左向右计算图片每列的白点数，

a)若且，则判断连续的白点个数且的列的个数是否达到，，若达到，则此处有一个钢卷；

b)若，则判断连续的白点个数的列的个数是否达到，，若达到，则此处有两个钢卷；

在计算连续列数时，当不符合连续条件的列的个数大于时，，判定此时不连续。

本发明的有益效果在于：本发明采用图像识别技术，通过对摄像头拍摄到的火车车厢的俯视图片进行图像识别，可以快速地识别出火车车厢中的钢卷，识别速度较快，准确度高，减少了货运火车运输钢卷过程中检查钢卷位置时的时间和人力消耗。

附图说明

图1是本发明的流程图。

图2是需要识别的车厢内有圆环形钢卷的原始图片。

图3是有圆环形钢卷的图片的灰度图片。

图4是有圆环形钢卷的图片的二值化之后的图片。

图5是检测到的圆环形钢卷的位置图片。

图6是需要识别的车厢内有矩形钢卷的原始图片。

图7是有矩形钢卷的图片的灰度图片。

图8是有矩形钢卷的图片的二值化之后的图片。

图9是检测到的矩形钢卷的位置图片。

具体实施方式

下面结合附图及实施例对本发明作进一步说明。

本实施例提供一种钢卷位置的识别方法，如图1所示，包括如下步骤。

1、可通过安装于铁路上方的相机，获得的火车车厢的俯视图，如图2和图6，并将其转化为灰度图片，如图3和图7。

2、判断图片是否有强光干扰。

图片的强光干扰为拍摄过程中相机的闪光灯闪烁造成的图片的中部有一条强光带，为了避免强光带引起的误判，先判断图片是否有强光干扰。

将转化得到的灰度图片在竖直方向上平均分为、、三部分，在和两部分按照横、纵坐标每十个点取一个点的频率采样得到、两部分点的个数为和，接着分别求和、部分采样点的总灰度为和，然后计算和两部分总的平均灰度值。在也按照横、纵坐标每十个点取一个点的频率采样计算平均灰度值，求平均灰度值与、部分平均灰度值的比值。而拍摄得到的图片的强光部分在图片的部分，通过分析计算被检测图片，得到有强光干扰的图片的均大于，而无强光干扰的图片的均小于，因此取的分界值，若，则此图片中心部分有强光干扰。

3、车厢壁位置识别。

用上面得到的、部分平均灰度值和的平均灰度值计算图片的平均灰度值，按照计算得到二值化阈值：若无强光干扰，，若为有强光干扰，，以此二值化阈值对图片二值化。遍历得到的二值图片，如图4和图8，计算二值图片中每列的白点个数，白点最多的点的列即为车厢壁的位置。

4、判定干扰图片。

干扰图片主要为车厢中装载罐车或者客车车厢的俯视图片。罐车和客车俯视图二值化后，图片中心部分会有形状接近矩形的大块白点区域，判断出该白点区域，即可判断出干扰图片。分析罐车和客车的二值化图片得，大块白点矩形的宽度均大于500，设为，长度均大于1300，设为。因此，计算二值图片白点个数大于为的列的连续的列数，若，此图片是罐车或者客车的图片，即干扰图片，图片中没有钢卷。在计算时，排除图片中和两部分各300点，防止图片二值化后上下车厢壁的白点造成的干扰。

5、去除图片中的杂点。

接着去除图片的杂点。杂点为二值化后图片中分散分布的点或点集，通过分析二值化图片，杂点所在的区域的周长均小于200，设为。用Suzuki85算法取图片的轮廓，然后取轮廓长度小于的轮廓的外接矩形，矩形内的点即为杂点，将杂点清除。

6、钢卷位置识别。

钢卷在火车车厢中有两种状态，水平放置和竖直放置。水平放置时，钢卷形状接近为圆环，竖直放置时，钢卷位置接近为矩形。图像识别时，先判断图片中是否有圆环形钢卷，若有，则输出钢卷位置，如图5；若没有，再判断图片中是否有矩形钢卷，若有，输出钢卷位置，如图9；若没有，则图片中没有钢卷。

6.1、圆环形钢卷识别。

通过霍尔圆变换，取出图片中的圆。霍尔圆变换会产生不是钢卷的干扰圆。设霍尔圆变换得到的圆的圆心为，半径为，分析图片特征得，若为干扰圆，则二值图像中距离长度为的白点的个数不小于圆的周长的。

所以通过以下条件判断圆是否为干扰圆。

a)在二值图像中，计算距离长度为的白点的个数为，半径为的圆的周长为，若 ，则为有效圆。

但是，由于霍尔圆变换得到的圆可能为圆形钢卷的内接或者外切圆，因此，用上述判断可能会过滤掉有效圆。

所以，判断条件要另外加上如下条件，以排除a条件过滤掉有效圆的情况。

b)在二值图像中，计算距离长度为的白点的个数为，半径为的圆的周长为，若 ，则为有效圆。

c)在二值图像中，计算距离长度为的白点的个数为，半径为的圆的周长为，若 ，则为有效圆。

其中，，是分析图片信息得到的一段长度值。

只要霍尔圆变换产生的圆满足上述a、b、c任一条件，即为有效圆。

最后，将检测到的有效圆标出，即为检测到的钢卷位置。若圆环形钢卷识别没有识别到圆，再执行矩形钢卷识别过程。

6.2、矩形钢卷识别。

在二值化图像中，为排除上下车厢壁的干扰，排除图片中和两部分各300点，然后计算白点个数最多的一列的白点数，设为，每个矩形钢卷的高度设为L。通过分析图像，得到如下特征特征。

a)若，图片中没有钢卷。因为图片中每一列的白点总数不满足钢卷的最小高度。

b)若且，。

c)若，。

然后在二值图像上从左向右计算图片每列的白点数，若且，则判断连续的白点个数且的列的个数是否达到，若达到，则此处有一个钢卷；若，则判断连续的白点个数的列的个数是否达到，若达到，则此处有两个钢卷。在计算时，因为二值化图像中钢卷的白点内部可能出现不连续的情况，因此在计算连续列时，只有当不符合连续条件的列的个数大于时，才说此时不连续。其中，分析图像信息得，。

最后，将检测到的矩形钢卷标出，即为检测到的钢卷位置。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进或变形，这些改进或变形也应视为本发明的保护范围。

Claims (3)

1.一种钢卷位置的识别方法，包括如下步骤：

步骤一，获得的火车车厢的俯视图，并将其转化为灰度图片；

步骤二，判断图片是否有强光干扰，将步骤一转化得到的灰度图片在竖直方向上平均分为、、三部分，在和两部分按照横、纵坐标每十个点取一个点的频率采样得到、两部分点的个数为和，接着分别求和、部分采样点的总灰度为和，然后计算和两部分总的平均灰度值；在部分也按照横、纵坐标每十个点取一个点的频率采样计算平均灰度值，再求平均灰度值与、部分平均灰度值的比值，若该比值大于1.35，则判断此图片中心部分有强光干扰；

步骤三，车厢壁位置识别，用步骤二得到的和两部分总的平均灰度值和部分的平均灰度值计算图片的平均灰度值，按照计算得到二值化阈值：若无强光干扰，；若为有强光干扰，，以此二值化阈值对图片二值化，遍历得到的二值图片，计算二值图片中每列的白点个数，判定白点最多的点的列为车厢壁的位置；

步骤四，判定干扰图片，设图片中心部分形状接近矩形的大块白点区域，其宽度设为，且＞500，其长度设为，且＞1300，计算二值图片白点个数大于的列的连续的列数，若，则判定此 图片是干扰图片，即图片中没有钢卷，在计算时，排除图片中和两部分各300点，防止图片二值化后上下车厢壁的白点造成的干扰；

步骤五，去除图片中的杂点，设杂点所在的区域的轮廓周长设为，且＜200，用Suzuki85算法取图片的轮廓，然后取轮廓长度小于200的轮廓的外接矩形，矩形内的点即为杂点，将杂点清除；

步骤六，钢卷位置识别，先判断图片中是否有圆环形钢卷，若有，则输出钢卷位置；若没有，再判断图片中是否有矩形钢卷，若有，输出钢卷位置；若没有，则判定图片中没有钢卷。

2.根据权利要求1所述的一种钢卷位置的识别方法，其特征在于：所述步骤六中的圆环形钢卷识别方法为，通过霍尔圆变换，取出图片中的圆，设霍尔圆变换得到的圆的圆心为，半径为，霍尔圆变换产生的圆满足如下任一条件即为有效圆，

在二值图像中，计算距离长度为的白点的个数为，半径为的圆的周长为，若，则为有效圆；

在二值图像中，计算距离长度为的白点的个数为，半径为的圆的周长为，若，则为有效圆；

在二值图像中，计算距离长度为的白点的个数为，半径为的圆的周长为，若，则为有效圆；

其中，。

3.根据权利要求1所述的一种钢卷位置的识别方法，其特征在于：所述步骤六中的矩形钢卷识别方法为，在二值化图像中，计算白点个数最多的一列的白点数，设为，每个矩形钢卷的高度设为L，

若，则图片中没有钢卷；

若且，则；

若，则；

然后在二值图像上从左向右计算图片每列的白点数，

若且，则判断连续的白点个数且的列的个数是否达到，，若达到，则此处有一个钢卷；

若，则判断连续的白点个数的列的个数是否达到，，若达到，则此处有两个钢卷；

在计算连续列数时，当不符合连续条件的列的个数大于时，，判定此时不连续。